o projeto Experimental
O objetivo geral do estudo foi avaliar se VCVS DBS modulada cognitiva humana capacidades de controlo e cortical neural oscilações relevantes para esses recursos. Este foi um projeto interno de indivíduos, onde indivíduos completaram protocolos de medição idênticos com estimulação dentro e fora., Este projeto aumentou o poder estatístico (em comparação com projetos alternativos em que os sujeitos DBS seriam comparados com os controles não implantados) admitindo modelagem hierárquica/mista e controle para a heterogeneidade substancial dos pacientes psiquiátricos resistentes ao tratamento. Nossas hipóteses pré-especificadas foram que:
-
DBS melhoraria o controle cognitivo humano, refletido no aumento do desempenho na DBS em condição.,
-
DBS aumentaria a potência das oscilações theta, principalmente no córtex pré-frontal lateral e córtex cingulado anterior dorsal, dado o papel específico destas oscilações na tomada de decisão e inibição da resposta.o grau de alteração induzida pela DBS nas proposições acima explicaria parte do seu mecanismo de Acção, determinado pela previsão do resultado clínico.estas análises não foram pré-registadas. Na altura da recolha de dados e da concepção do estudo, o pré-registo não era um serviço amplamente disponível.,
indivíduos
quatorze indivíduos com VCVS DBS consentiram em participar dos experimentos. Todos tinham recebido implantes DBS VCV para um estudo clínico anterior (NCT00640133, NCT00837486, ou NCT00555698), com critérios de entrada dados em 48,49. Todos eram destros. A amostra incluía seis homens e oito mulheres, com idades entre os 30 e os 70 anos no momento da coleta de dados, com um mínimo de 6 meses de exposição a estimulação crônica e um máximo de 7 anos. Os indivíduos tinham sido predominantemente implantados para MDD, mas 2 / 14 tinham uma indicação primária de OCD com MDD co-mórbida., A maioria teve pelo menos uma resposta clínica parcial à DBS. O consentimento informado para a participação no estudo foi obtido por um médico que não era o médico primário da DBS, depois de explicada toda a natureza e possíveis consequências do estudo. Todos os procedimentos de estudo são compatíveis com as diretrizes éticas governamentais e institucionais aplicáveis. Os procedimentos de estudo foram revistos e aprovados pelo Conselho de revisão Institucional do Hospital Geral de Massachusetts.
protocolo Experimental
para sondar flexibilidade cognitiva, empregamos uma versão modificada do MSIT(texto principal Fig. 1a)., O MSIT requer que os sujeitos identifiquem qual de um conjunto de três números é diferente de seus vizinhos. Os sujeitos devem manter três dedos da sua mão direita posicionados sobre as teclas de resposta correspondentes aos dígitos 1-3. Em ensaios de controle (não-interferência), o alvo está na mesma posição espacial que a sua correspondente chave de resposta, e os dígitos de flanco não são respostas válidas (i.e., eles são 0s). Em ensaios de interferência, o alvo está fora de posição em relação à sua correspondente chave-prensa e é flanqueado por outros alvos viáveis., Foi demonstrado que o MSIT produz uma imagem de ressonância magnética funcional robusta (fMRI)25 e alterações electrofisiológicas 26, com uma diferença significativa (controlo de interferência) frequentemente detectável a nível individual. Notamos que esta operacionalização específica do controle cognitivo, desempenho em uma tarefa de conflito, é apenas uma de muitas abordagens experimentais possíveis. O controle cognitivo é evocado em muitas situações, incluindo conflito de aproximação-evitar 50, decisões de switch-stay 16, 51,e possivelmente também em auto-regulação emocionalmente valenciada52., A vantagem específica do MSIT é que ele é verificado para induzir efeitos estatisticamente robustos ao nível do sujeito, tanto no nível comportamental quanto no neural, amplificando nosso poder para detectar diferenças induzidas pelo DBS. Acrescentamos ainda uma dimensão de interferência emocional, baseada na hipótese de que indivíduos com doença grave resistente ao tratamento seriam tendenciosamente tendenciosos para imagens negativas. Antes de cada teste MSIT, uma imagem selecionada do Sistema Internacional de imagem afetiva, ou IAPS53, foi apresentada., A imagem permaneceu na tela, parcialmente obscurecida pelo estímulo MSIT, durante a duração do ensaio. Um subconjunto fixo de 144 imagens foram selecionadas do conjunto de dados do IAPS para cobrir o intervalo de Valência disponível (positivo, neutro e negativo) e avaliações de excitação emocional.cada bloco de ensaios continha 72 ensaios de controlo e 72 ensaios de interferência. Atribuímos imagens positivas, neutras e negativas a cada tipo de teste de uma forma contrabalançada, de tal forma que cada imagem foi apresentada uma vez em um controle e uma vez em um contexto de interferência., As 144 imagens foram divididas entre estes dois blocos de teste de 144 de uma forma que minimizou as diferenças médias ao quadrado entre as classificações de imagem quando ordenadas por sua valência. Para prevenir conjuntos de resposta ou habituação, a sequência de ensaio em cada bloco foi pseudo-aleatória de modo que os indivíduos nunca tiveram mais de dois ensaios em uma linha que compartilhavam a mesma Valência, nível de interferência, ou dedo de resposta desejado. Esperava-se que este projeto experimental altamente interleaved colocasse maiores demandas nos sistemas de controle cognitivo, reduzindo a previsibilidade dos estímulos. Como mostrado na Fig., 1a, os sujeitos viram a imagem da IAPS sozinhos por 400 ms, foram presenteados com o estímulo MSIT e deram até 1500 ms para responder, e então viram uma cruz de fixação por 3-5 s (randomizado com uma distribuição uniforme). Eles foram instruídos a minimizar os olhos piscando durante o ensaio e a piscar livremente durante o período de fixação. Antes da coleta de dados, os indivíduos realizaram um bloco de 20 ensaios onde receberam feedback correto/incorreto, seguido por outro bloco de 40 ensaios sem feedback., Repetiram esta prática, se necessário, até atingirem mais de 90% de respostas corretas (contando os ensaios falhados como incorrectos).muitos dos nossos sujeitos tiveram experiências de vida negativas anteriores com associações específicas a temas apresentados em RPUS. Para controlar essas fortes interpretações subjetivas / idiossincráticas nesta pequena amostra, coletamos avaliações individuais de imagem. Depois de cada bloco estar completo, os sujeitos foram re-presenteados com cada imagem IAPS e Dados 25 s para avaliar a imagem emocionalmente., Usamos o mesmo de auto-avaliação manequim sistema originalmente usado para desenvolver o IAPS54, que atribui a cada imagem uma valência de classificação de 1 a 9 (representando mais negativo ao mais positivo) e uma excitação classificação de 1 a 9 (não representando no todo despertando altamente despertando). Tanto o MSIT quanto as imagens de classificação pós-tarefa foram apresentadas usando a caixa de ferramentas de psicofísica () rodando sob o MATLAB 2013a.,os dados eletroencefalográficos foram adquiridos a 1450 Hz (Nexstim eXimia EEG) a partir de 60 canais colocados de acordo com o sistema internacional 10-20 e o tampão padrão do fabricante. O eletrodo foi colocado na ponte do nariz. Um canal de electro-oculograma bipolar diagonal foi colocado em torno do olho direito. Canais foram preparados para<5 kω impedance. A localização do couro cabeludo de cada canal foi digitalizada após a preparação da tampa e antes das gravações., Também digitalizamos o nasion e ambos os pontos pré-auriculares, mais 100 pontos adicionais do couro cabeludo que não correspondem a nenhum sensor EEG, para melhorar a qualidade do co-registro MRI-to-digitization. Em quatro assuntos, além dos dados da tarefa, recolhemos 1 min cada um dos dados de repouso-olhos abertos e olhos fechados-logo após cada bloco da tarefa e antes das avaliações de auto-avaliação do IAPS.
Todos os indivíduos completaram pela primeira vez um bloco MSIT, uma colecção em estado de repouso e uma avaliação da imagem com o seu DBS no seu ambiente clínico habitual (DBS ON)., Diretamente após o MSIT, mas antes dos blocos de Estado de repouso e de classificação de imagem, os sujeitos também completaram 15 minutos das despesas de esforço para a tarefa de recompensas (EEfRT)27. Um clínico treinado, em seguida, desativou os neuroestimuladores implantados bilaterais, e o sujeito descansou por pelo menos 1 h sem remover a tampa EEG. Em estudos em animais, a interrupção da estimulação crónica por uma hora foi suficiente para produzir alterações robustas na actividade neural que pareciam ser uma resposta de rebound/contra-regulação 55., Este efeito de rebound não termina dentro de uma hora, mas persiste durante um período prolongado, como documentado pelos estudos clínicos em que os doentes recidivam lentamente ao longo de uma semana após a interrupção da DBS 56. A presença deste efeito de rebound deve enfatizar ou amplificar as alterações neurológicas causadas pela estimulação crônica. Após a re-preparação de quaisquer canais de alta impedância, os sujeitos novamente realizaram MSIT, EEfRT, estado de repouso e ratings de imagem (condição DBS OFF) antes da re-ativação do neuroestimulador., Os sujeitos estavam cientes do seu estado do dispositivo, assim como os experimentadores, embora nenhum sujeito tenha sofrido consequências psicológicas adversas da manipulação do estudo.
EEG pré-processamento
EEG análises utilizaram a estimativa normalizada mínima (MNE) – Python suite57. Offline, EEG data were bandpass filtered between 0.5 and 50 Hz, then epoched. Isso efetivamente remove o artefato DBS, como mostrado em nossos e outros trabalhos anteriores 37, 58, como os estimuladores de todos os sujeitos foram definidos acima da frequência de corte., Frequências harmônicas de estimulação DBS seriam de forma similar totalmente fora da banda de passagem deste filtro e fora de todas as bandas de frequência analisadas neste trabalho. Ver Tabela 1 para as frequências de estimulação individuais. Removemos as sobrancelhas e artefactos musculares com projeção espacial de sinais 59. Cortamos então os ensaios / epochs a partir dos dados contínuos. As análises bloqueadas pelo estímulo utilizaram dados de 1, 5 s antes do início da PAA para 3, 4 s após o início da PAA (1500 ms após o final do ensaio). Foram utilizadas análises com resposta bloqueada-1, 5 s antes a 1, 5 s após a resposta., Rejeição da Amplitude (limiar = ± 150 µV) removeu ensaios com artefactos residuais. Por último, convertemos todos os ensaios em alterações em relação aos valores basais, definidos como 0, 5 s para 0, 1 s antes do início da Pan. Para as análises do domínio do tempo, subtraímos a média desta janela de todos os ensaios para esse assunto específico; para o domínio de frequência, convertemos dados para decibéis (dB) em relação à linha de base.dos 14 indivíduos, seis foram excluídos da análise adicional do EEG durante o pré-processamento. Quatro indivíduos foram excluídos porque os seus dados EEG foram gravados sem o uso de um sistema de digitalização., Seus dados não poderiam, portanto, ser exatamente Fonte localizada. Mais dois indivíduos foram excluídos de mais análises EEG devido a artefatos eletromiográficos substanciais, o que resultou na rejeição da grande maioria dos ensaios seguindo os procedimentos de garantia de qualidade descritos acima. Os dados EEG dos restantes oito indivíduos foram então submetidos à localização da fonte e a todas as análises a seguir descritas.
EEG localização de origem
reconstruímos as superfícies corticais dos indivíduos a partir de imagens pré-cirúrgicas de IRM T1 utilizando Freesurfer v5.360., A digitalização da tampa EEG foi manualmente Co-registrada para a reconstrução anatômica do Freesurfer usando o pacote de ferramentas da linha de comando MNE. Então, em MNE-Python, as malhas corticais foram reduzidas de ~160.000 vértices por hemisfério para 4098 locais dipolos (vértices) por hemisfério. Calculamos uma solução para a frente usando o modelo de três compartimentos do elemento limite 61 com a superfície interna e externa do crânio reconstruída a partir do algoritmo de bacia hidrográfica de Freesurfer62., A amplitude dipolar (densidade da fonte atual) em cada localização cortical foi estimada usando o método mnes anatomicamente limitado 63, usando um pipeline semelhante a outros relatórios de análise oscilatória com base na região de interesse (ROI) 64., Resumidamente, o método MNE encontra as estimativas máximas a posteriori das fontes corticais latentes, dadas as fontes de sensor observadas, assumindo (1) que as amplitudes de fonte atuais são esparsas e normalmente distribuídas com uma matriz de covariância conhecida de fonte e (2) que os dados observados dos sensores contêm ruído aditivo com uma distribuição normal e uma matriz de covariância espacial conhecida. Importante, ao contrário de outros métodos de beamformação, o método MNE preserva oscilações tais que a potência oscilatória pode ser estimada após a localização da fonte., A estimativa de fonte atual de cada vértice inclui uma orientação dipolar, tal que o curso de tempo fonte pode ser positivo ou negativo em qualquer momento dado. Aqui, as orientações dos dipolos foram restringidas ao córtex usando parâmetros padrão recomendados (loose = 0.2, profundidade = 0.8). As matrizes de covariância sonora necessárias para a localização da fonte foram estimadas por indivíduo a partir de uma linha de base de 500 ms antes do início de cada ensaio. As estimativas empíricas de covariância foram regularizadas através do método” shrunk”, como recomendado por Engemann e Gramfort65., Dados de estimativas de fonte individuais foram então mapeados para a superfície cortical “fsaverage” de Freesurfer. Finalmente, fonte de estimar o tempo de cursos para os vértices individuais foram combinados dentro de um conjunto de cortical etiquetas correspondentes a nossa ROIs: córtex cingulado (rACC, dACC, mCC), dorso-mPFC (dmPFC/giro frontal superior), dorso-lateral do córtex pré-frontal (DLPFC/médio giro frontal), e pré-frontal ventrolateral (VLPFC/giro frontal inferior). O tempo médio por ROI foi calculado usando a técnica “PCA flip” em MNE-Python., Brevemente, a decomposição do valor singular (SVD) é aplicada aos cursos de tempo em vértice por ROI e o primeiro vetor singular direito é extraído. O curso de tempo de cada vértice é então escalado e o sinal virado. A escala é realizada a fim de igualar a potência média dos cursos de tempo de vértice-sábio. O sinal do curso de tempo é ajustado multiplicando-o com o sinal do vetor singular esquerdo do SVD, o que garante que a fase não muda em 180 graus de um curso de tempo Fonte para o próximo., A tabela Complementar 1 lista estes rótulos e a estenografia anatômica utilizada para cada um dos principais textos/figuras. Os rótulos anatômicos / ROIs foram montados manualmente pela fusão de vários rótulos menores e contíguos da Lausanne 243-região atlas66. As etiquetas usadas aqui foram projetadas para garantir que cada região cortical correspondia a um número quase igual de vértices no cérebro padrão. Selecionamos o conjunto de etiquetas para cobrir regiões anteriormente implicadas em neuro-imagiologia funcional do MSIT13, 25.,
análise estatística-comportamento
o resultado primário comportamental no MSIT é a RT dos sujeitos, uma vez que eles são pré-treinados para taxas de erro muito baixas. Junto com outros, temos mostrado que a RTs durante as tarefas de conflito e tomada de decisões são mais bem aproximadas por gamma do que por distribuições Gaussianas 13,67. Assim, analisamos o comportamento em um GLM de efeitos mistos com a distribuição gama e função de ligação de identidade. Que o GLM foi aplicado no nível per-trial, permitindo-nos modelar os efeitos da DBS e efeitos específicos do ensaio, tais como a emoção e a interferência cognitiva., O projeto de efeitos mistos, que inclui uma interceptação aleatória para o assunto, especificamente controles para correlação intra-assunto (ensaios e sessões como medidas repetidas). Excluímos ensaios com respostas em falta, testes de erro e Testes Pós-erro. Excluímos ainda ensaios com RTs anómalos, que definimos através da instalação de uma distribuição gama nos dados de RT de cada indivíduo, reunindo o DBS entre e fora para esta fase de pré-processamento. Excluímos então ensaios com probabilidade de RT <0, 005 com base na distribuição ajustada. Estas abordagens excluíram 247 ensaios (6.,12% do total, n = 3785 ensaios mantidos em análise).
para controlar a variabilidade global da RT entre os indivíduos, especificámos GLMs com uma intercepção aleatória específica do sujeito, mais efeitos fixos para variáveis experimentais (modelos mistos). Semelhante aos relatórios anteriores, por exemplo, 28, identificamos o modelo apropriado minimizando o critério de Informação da Akaike (AIC) durante a adição gradual de variáveis. O importante é que a minimização AIC é matematicamente equivalente à construção do modelo por meio da validação cruzada fora da amostra 36, uma abordagem que identificamos como essencial na pesquisa de biomarcadores 38., Considerámos interferência, DBS, Valência e excitação como possíveis predictores de RT com base nas nossas hipóteses pré-especificadas e no desenho da tarefa. Também testamos Termos de interação entre esses efeitos principais. Considerámos o número de ensaio dentro de uma corrida como um regressor incômodo, controlando a fadiga e/ou efeitos de aprendizagem. Os dados foram melhor explicados por um modelo com os principais efeitos anteriores, mas sem Termos de interacção (ver texto principal e Fig. suplementar). 1). Modelos com outros predictores, por exemplo, RT no ensaio anterior (um efeito autoregressivo), não foram identificáveis., Conflict and DBS were dummy coded, whereas valence, arousal, and trial number were treated as continuous variables. Todas as variáveis independentes foram padronizadas para o intervalo 0-1 para regressão, mas são relatadas no artigo após a conversão de volta para suas unidades naturais para facilidade de interpretação.
análise estatística—modulação EEG por variáveis de tarefa e DBS
para a análise do domínio do tempo (potencial evocado), sensores e cursos de tempo do espaço de fonte foram reduzidos para a janela de tempo (-0.5, 2.0) s para epochs bloqueados por estímulos e (-1.0, 1.0) janelas para epochs bloqueados por resposta., Além disso, todos os epochs foram filtrados de baixa passagem para 15 Hz e rebaixados por um fator de 3. Os intervalos de confiança nos potenciais relacionados com eventos planeados (ERPs) foram calculados por 1000 repetições de bootstrap com substituição (preservando o número de ensaios dentro de cada assunto). Todos os ERPs mostrados são a grande média em todos os assuntos.
para a análise do domínio espectral, calculámos a potência não bloqueada em três bandas de interesse: theta (4-8 Hz), Alfa (8-15 Hz) e beta (15-30 Hz)., Nós enfatizamos as oscilações não-bloqueadas, ou induzidas, porque elas parecem estar mais diretamente relacionadas ao controle cognitivo proativo 17. Em análises baseadas em testes de tarefas de efeito Simon, mais de 80% da mudança de energia theta relacionada ao conflito/controle não foi bloqueada em fase 23. The non-phase-locked theta power was correlated with trial-to-trial RTs, more so than the phase-locked Theta reflected in the time-domain ERP., Além disso, em uma tarefa de controle cognitivo não-trial-estruturada, as oscilações theta pareciam estar continuamente presentes sobre o córtex médio frontal, aumentando em potência quando mais controle era necessário 68. Em contraste, as oscilações theta bloqueadas em fase podem estar mais relacionadas com o monitoramento de desempenho relacionado a erros 69, um fenômeno não estudado aqui devido ao número muito pequeno de ensaios de erros.para calcular as alterações de potência sem bloqueio de fase, subtraímos primeiro o ERP médio de cada trial23., O ERP subtraído (e os ensaios de que foi subtraído) foram calculados para cada combinação de sujeito, condição (DBS ON/OFF × ensaios de interferência/conflito) e ROI/sensor. Todos os gráficos de energia EEG mostram dados após esta remoção ERP.
Sensor e dados localizados na fonte foram então decompostos em sua representação de frequência de tempo através da convolução de onda de Morlet. Wavelets had base frequencies sampled from 2 to 50 Hz in 25 logaritmically spaced steps, where each wavelet was characterized by three cycles. A decomposição foi realizada em dados de ensaio único, não em média ou ERP., Todas as estimativas de potência da frequência foram normalizadas para a potência média de uma linha de base pré-estímulo (- 0, 5 s a-0, 1 s) para cada banda de frequência. Usámos uma transformação dB para a normalização. A potência de base foi calculada separadamente para cada sujeito e condição DBS (OFF, ON). O mesmo período de referência pré-estímulo utilizado para análises bloqueadas por estímulos foi também utilizado para análises com resposta bloqueada. Em seguida, calculamos a média dos valores dentro de cada faixa de frequência pré-especificada para obter um curso de tempo de potência por teste para cada faixa. Todos os valores de potência resultantes mostrados no artigo foram normalizados para dB como indicado acima., Todos os gráficos de curso topográfico e Cronológico representam a grande média entre os assuntos.
tanto no espaço do sensor como no espaço-fonte,tanto os dados do domínio do tempo como do domínio da frequência EEG foram analisados usando a regresão dos mínimos quadrados ordinários 70, 71. A tensão de um único teste ou potência em cada ponto de tempo foi introduzida em um modelo linear usando as mesmas variáveis independentes que o comportamento GLM: interferência, DBS, Valência, excitação e número de teste. Nós padronizamos todas as variáveis independentes ao intervalo para este modelo também., Nós também consideramos a possibilidade de que interferência e DBS possam interagir no nível neural, mesmo que não tenhamos visto nenhuma interação comportamental, e assim incluímos um termo de interação DBS × interferência nesta regressão. Para replicar o efeito das intercepções específicas do sujeito no modelo de comportamento, subtraímos todos os testes de cada sujeito individual de tensão média ou curso de tempo de potência dos testes desse sujeito. As estatísticas de contraste (testes t) foram calculadas para cada peso beta resultante (coeficiente de regressão) em cada amostra., Para controlar para comparações estatísticas múltiplas (timepoints) dentro de cada ROI/eletrodo, realizamos inferência de permutação e correção de cluster temporal 72. Usámos 1000 permutações para cada análise, aglomerados descartados <50 ms em extensão temporal, e reteve apenas aglomerados significativos em α = 0,05. Para a análise do domínio do Tempo no espaço-fonte, corrigimos ainda mais estes valores de cluster p Usando a taxa de descoberta falsa de Benjamini–Hochberg (FDR) procedimento de retirada em todos os ROIs testados., Para análise de domínio de frequência, fizemos o mesmo, mas usando um único passo para baixo através de RIS e bandas de frequência simultaneamente. Todos os clusters significativos mostrados no artigo sobreviveram a essas correções. A exceção é que para a análise sensor-espaço, não corrigimos para múltiplos sensores, porque testamos apenas um sensor para o domínio do tempo e um sensor para a análise de domínio de frequência. Os valores do sensor-espaço de frequência-domínio P foram novamente corrigidos para múltiplas bandas.,análise estatística-EEG / alterações comportamentais como biomarcadores Nós ainda hipotetizamos que esta correlação pode ser com resposta clínica positiva (melhoria na depressão) ou com complicações clínicas (hipomania, como in28)., Nós quantificamos estes no nível individual do sujeito: MSIT RT como a diferença média (DBS ON–DBS OFF), e theta EEG como a altura integrada da onda de diferença (DBS ON–DBS OFF) NO VLPFC (giro frontal inferior anterior). O rótulo VLPFC foi selecionado como a variável predictor depois de ver os resultados das análises anteriores. A onda de diferença foi especificamente calculada ao longo do período de tempo em que encontramos um aglomerado significativo durante a análise do espaço-fonte., A depressão foi medida com a escala de Avaliação da depressão de Montgomery–Åsberg (MADRS), como coletada durante os ensaios clínicos originais dos indivíduos; nós não tentamos correlação com sintomas de TOC porque apenas dois indivíduos na amostra tinham TOC. Usámos a alteração de MADRS desde a linha de base do pré-implante até ao dia da recolha de dados, ou até à visita clínica mais próxima à recolha de dados (sempre no prazo de 1 mês) se um determinado indivíduo não foi capaz de completar as MADRS nesse dia., Hypomania usou o mesmo conjunto de dados as28, no qual a presença/ausência de episódios hipomânicos tinha sido codificada para cada indivíduo por ratistas clínicos treinados. A variável dependente foi se esse indivíduo alguma vez teve hipomania durante o seu tratamento com DBS. Um indivíduo não foi incluído nas análises de hipomania devido à indisponibilidade de dados clínicos.a capacidade de previsão fora da amostra é importante para avaliar os biomarcadores psiquiátricos putativos 37, 38, mas difícil de medir em populações raras, tais como doentes com DBS., Como substituto, geramos intervalos de confiança para as correlações clínica/biomarcador desenhando 1000 amostras de bootstrap (com substituição) da população de indivíduos originais. Nós usamos esses mesmos empates bootstrap para construir o intervalo de confiança da área sob a curva (AUC) para curvas características do receptor-operador (ROC) para a classificação de hipomania presente/ausente e resposta à depressão/não-respondedor. Este último utilizou o mesmo limiar de melhoria de 50% das Rams que nos ensaios clínicos, por exemplo, em 49.,as alterações Teta observadas durante o desempenho do MSIT podem não ser específicas da tarefa, mas podem resultar de uma mudança geral no espectro de frequências EEG durante o DBS. Cinco indivíduos contribuíram com, pelo menos, 2 minutos de dados do Estado de descanso com DBS ligados e desligados. A partir destes dados, nós cortamos 60 epochs livres de artefatos de 1-s a partir das gravações ON e OFF em cada assunto, em seguida, computou uma densidade espectral de potência (PSD) de 0 a 30 Hz através do método multitaper., Calculamos a potência média dentro da região theta (4-8 Hz) de cada PSD De época, então testamos a diferença entre estas distribuições com o teste de Mann–Whitney U. Realizamos estas análises sobre a potência theta do sensor Fz, que foi o ponto escalpe de maior potência theta durante o desempenho MSIT.
validação dos resultados comportamentais de MSIT nos controlos de epilepsia
uma preocupação potencial é que quaisquer resultados de RT que observamos possam ser explicáveis por efeitos práticos. Embora os blocos ON e OFF foram separados por uma hora ou mais, os sujeitos ainda podem reter alguma memória processual da tarefa., Para lidar com esta confusão, analisamos dados de um grupo de sujeitos que realizaram múltiplas corridas de MSIT temporariamente espaçadas sem os distractores emocionais. Estes indivíduos faziam parte de um estudo mais amplo centrado na fisiologia de nível de rede da doença mental13. Eles foram admitidos para monitoramento eletrofisiológico de medicamentos-epilepsia refratária. Enquanto inpatient, eles foram abordados diariamente para realizar múltiplas tarefas cognitivas, incluindo MSIT. Neste caso, usamos a versão original da tarefa, que não inclui os distractores IAPS de fundo., Devido à natureza do trabalho clínico numa unidade de internamento, incluindo pausas para refeições e Rondas clínicas, estes indivíduos realizaram frequentemente um ou mais blocos de 64 ensaios de MSIT com uma ruptura substancial entre ambos. Isso efetivamente replica o projeto de nosso estudo primário, exceto a manipulação do DBS. Analisamos os blocos de Tarefas realizados antes e depois destes intervalos, em oito sujeitos. Para estes sujeitos, nós encaixamos seu RTs de teste MSIT com um GLM de distribuição gama que imitava a análise de coorte principal, i.e.,, independente/Predictor termos para bloco (que imita o termo DBS), conflito, número de teste, e uma interceptação assunto-específico. Tal como acontece com a coorte principal, todos estes indivíduos deram o seu consentimento informado antes de qualquer procedimento de estudo. Todos os procedimentos experimentais com estas matérias cumpriram os requisitos de ética governamental e institucional e foram aprovados pelo Massachusetts General Hospital Institutional Review Board.